Таблица лидеров AI Benchy

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-22 Оценено моделей: 343

Рекомендуемые модели

GPT-6 Astra xhigh Интеллектуальная Доля успешных попыток 97.0% Тестов верно 21 / 22 Оценка 9.9/10 GPT-5.6 Luna medium Быстрая Время ответа (среднее) 7.43s Общее число выходных токенов 44,525 Оценка 7.4/10 DeepSeek V4 Flash 0731 high Доступная Цена входа $0.040 / 1M Цена выхода $0.640 / 1M Оценка 8.0/10

343/343

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#341#341	Jev 1.13none	3.2	Typesafe	$0.003	698ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 67,092 Выходные токены 18,927 Токены рассуждений 0 Время ответа (среднее) 698ms Время ответа (суммарно) 8.38s Время ответа (макс.) 1.08s Неверный ответ: 6 Анти-ИИ уловки : 4.0 Программирование : 2.2 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 3.3 Вызов инструментов : 0.0 Эрудиция : 0.0
#342#342	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 27.3% Нестабильные тесты 0 Входные токены 1,971 Выходные токены 64,795 Токены рассуждений 0 Время ответа (среднее) 39.03s Время ответа (суммарно) 312.26s Время ответа (макс.) 114.12s Ошибка API: 4 Не соблюдены инструкции: 1 Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 9.8 Комбинированный : 1.5 Парсинг и извлечение данных : 1.5 Предметно-ориентированное : 3.3 Общий интеллект : 4.0 Следование инструкциям : 5.0 Решение головоломок : 0.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#178#178	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 44,615 Выходные токены 2,347 Токены рассуждений 98,415 Время ответа (среднее) 23.08s Время ответа (суммарно) 484.63s Время ответа (макс.) 95.88s Неверный ответ: 7 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Анти-ИИ уловки : 7.2 Программирование : 6.0 Комбинированный : 3.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 7.0 Эрудиция : 3.0
#232#232	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 53.0% Нестабильные тесты 2 Входные токены 25,987 Выходные токены 216,719 Токены рассуждений 0 Время ответа (среднее) 56.57s Время ответа (суммарно) 848.59s Время ответа (макс.) 149.94s Ошибка API: 7 Неверный ответ: 3 Анти-ИИ уловки : 6.4 Программирование : 5.3 Комбинированный : 5.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#72#72	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 98,383 Выходные токены 14,409 Токены рассуждений 93,610 Время ответа (среднее) 27.64s Время ответа (суммарно) 608.02s Время ответа (макс.) 111.48s Неверный ответ: 5 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.5 Следование инструкциям : 10.0 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#76#76	Muse Spark 1.1high	8.0	Meta	$2.253	36.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 6 Входные токены 129,213 Выходные токены 8,356 Токены рассуждений 483,560 Время ответа (среднее) 36.85s Время ответа (суммарно) 810.72s Время ответа (макс.) 196.03s Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 7.5 Программирование : 10.0 Комбинированный : 5.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 7.8 Вызов инструментов : 9.6 Эрудиция : 3.0
#102#102	MiMo-V2.6-Flashlow	7.6	Xiaomi	$0.174	52.15s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 124,601 Выходные токены 8,926 Токены рассуждений 547,444 Время ответа (среднее) 52.15s Время ответа (суммарно) 1147.24s Время ответа (макс.) 345.18s Неверный ответ: 4 Не соблюдены инструкции: 2 Нет ответа: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.2 Программирование : 8.4 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 8.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#105#105	Solar Pro 4xhigh	7.6	Upstage	$0.150 ↑	134.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 60.6% Нестабильные тесты 2 Входные токены 98,116 Выходные токены 21,720 Токены рассуждений 367,730 Время ответа (среднее) 134.85s Время ответа (суммарно) 2966.79s Время ответа (макс.) 491.42s Неверный ответ: 4 Не соблюдены инструкции: 3 Нет ответа: 2 Лишнее форматирование: 1 Анти-ИИ уловки : 8.3 Программирование : 5.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 8.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#107#107	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 185,547 Выходные токены 24,866 Токены рассуждений 0 Время ответа (среднее) 7.65s Время ответа (суммарно) 168.35s Время ответа (макс.) 47.72s Неверный ответ: 6 Лишнее форматирование: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 5.5 Программирование : 5.9 Комбинированный : 8.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#109#109	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 82,828 Выходные токены 7,100 Токены рассуждений 92,781 Время ответа (среднее) 13.32s Время ответа (суммарно) 292.97s Время ответа (макс.) 94.06s Неверный ответ: 8 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 6.1 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 4.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#117#117	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 5 Входные токены 97,164 Выходные токены 6,211 Токены рассуждений 152,133 Время ответа (среднее) 26.72s Время ответа (суммарно) 587.90s Время ответа (макс.) 138.75s Неверный ответ: 6 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 8.6 Программирование : 8.4 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#124#124	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 97,324 Выходные токены 44,383 Токены рассуждений 346,490 Время ответа (среднее) 143.55s Время ответа (суммарно) 3158.11s Время ответа (макс.) 939.52s Неверный ответ: 7 Ошибка API: 1 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.5 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#129#129	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 57.6% Нестабильные тесты 1 Входные токены 123,273 Выходные токены 19,362 Токены рассуждений 0 Время ответа (среднее) 7.67s Время ответа (суммарно) 122.78s Время ответа (макс.) 51.18s Неверный ответ: 5 Лишнее форматирование: 4 Не соблюдены инструкции: 1 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 6.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#134#134	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 54.6% Нестабильные тесты 0 Входные токены 98,833 Выходные токены 58,097 Токены рассуждений 0 Время ответа (среднее) 12.11s Время ответа (суммарно) 266.40s Время ответа (макс.) 206.03s Неверный ответ: 9 Не соблюдены инструкции: 1 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#137#137	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 4 Входные токены 68,913 Выходные токены 64,654 Токены рассуждений 282,865 Время ответа (среднее) 115.89s Время ответа (суммарно) 2433.66s Время ответа (макс.) 876.20s Тайм-аут: 3 Неверный ответ: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 7.0 Программирование : 5.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#147#147	Mercury 2.5high	7.1	Inception	$0.031	4.32s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.7 Доля успешных попыток 62.1% Нестабильные тесты 4 Входные токены 120,068 Выходные токены 3,402 Токены рассуждений 171,145 Время ответа (среднее) 4.32s Время ответа (суммарно) 95.06s Время ответа (макс.) 23.63s Неверный ответ: 8 Ошибка API: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 6.4 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#148#148	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 140,244 Выходные токены 13,739 Токены рассуждений 212,165 Время ответа (среднее) 44.21s Время ответа (суммарно) 972.64s Время ответа (макс.) 216.69s Неверный ответ: 6 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.4 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#149#149	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.6% Нестабильные тесты 3 Входные токены 78,602 Выходные токены 4,357 Токены рассуждений 0 Время ответа (среднее) 2.17s Время ответа (суммарно) 47.66s Время ответа (макс.) 12.81s Неверный ответ: 9 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#151#151	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 8.1 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 82,592 Выходные токены 16,089 Токены рассуждений 199,800 Время ответа (среднее) 58.80s Время ответа (суммарно) 1234.72s Время ответа (макс.) 308.75s Неверный ответ: 4 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#152#152	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 59.1% Нестабильные тесты 2 Входные токены 79,294 Выходные токены 4,915 Токены рассуждений 0 Время ответа (среднее) 2.35s Время ответа (суммарно) 51.78s Время ответа (макс.) 12.24s Неверный ответ: 10 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#162#162	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 129,050 Выходные токены 20,026 Токены рассуждений 616,923 Время ответа (среднее) 44.97s Время ответа (суммарно) 989.32s Время ответа (макс.) 578.13s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#165#165	GLM 5.3 FlashXhigh	6.8	Z.ai	$0.135	12.07s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.2% Нестабильные тесты 5 Входные токены 81,365 Выходные токены 6,821 Токены рассуждений 77,078 Время ответа (среднее) 12.07s Время ответа (суммарно) 265.62s Время ответа (макс.) 91.16s Неверный ответ: 8 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#167#167	Solar Pro 4medium	6.8	Upstage	$0.140 ↑	127.64s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.9 Доля успешных попыток 62.1% Нестабильные тесты 4 Входные токены 87,902 Выходные токены 30,743 Токены рассуждений 335,668 Время ответа (среднее) 127.64s Время ответа (суммарно) 2808.09s Время ответа (макс.) 519.91s Неверный ответ: 5 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 5.5 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 9.8 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#169#169	GLM 5.3low	6.8	Z.ai	$0.167 ↓	13.65s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 104,989 Выходные токены 8,532 Токены рассуждений 16,276 Время ответа (среднее) 13.65s Время ответа (суммарно) 300.22s Время ответа (макс.) 83.60s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 6.9 Программирование : 6.2 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#171#171	Mercury 2.5medium	6.8	Inception	$0.022	3.19s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 10 Надежность 9.8 Доля успешных попыток 65.2% Нестабильные тесты 4 Входные токены 91,402 Выходные токены 3,138 Токены рассуждений 116,991 Время ответа (среднее) 3.19s Время ответа (суммарно) 70.18s Время ответа (макс.) 9.87s Неверный ответ: 9 Ошибка API: 1 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.4 Следование инструкциям : 6.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0

Глобальные тренды бенчмарка

Посмотрите, как современные модели балансируют оценку, стоимость, скорость, длину ответа и результаты по категориям.

Графики →

Граница Парето: интеллект и стоимость

Рост лучших оценок ведущих компаний со временем

Граница Парето: интеллект и скорость ответа

Граница Парето: оценка и выходные токены

Сложность категорий по всем моделям

Быстрое сравнение

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium